Gurobi基础语法之 addConstr, addConstrs, addQConstr, addMQConstr

        在新版本的 Gurobi 中,向 addConstr 这个方法中传入一个 TempConstr 对象,在模型中就会根据这个对象生成一个约束。更重要的是:TempConstr 对象可以传给所有addConstr系列方法,所以下面先介绍 TempConstr 对象

TempConstr 

        TempConstr 类的对象作为约束条件,其对象可以有以下几种形式:

1. 线性约束:x + y <= 5

2. 带上下界的线性约束:1 <= x + y <= 5

3. 二次约束:x * x + y * y <= 3

4. 用矩阵建立的线性约束:A @ x <= 1

5. 二次型约束:x @ Q @ x <= y @ A @ y

6. 带绝对值的函数的约束:x == abs_(y)

7. 带逻辑运算符的约束:x == or_(y, z)   或者   x == and_(y, z)

8. 带最大值或最小值函数的约束:x == max_(y, z)  或者  x == min_(y, z)

9. 借助 TempConstr 自定义的运算符 >> 作为表达式中的运算符:(x == 1) >> (y + z <= 5)

有以下几点值得说明:

1. Gurobi 中所有关系运算符都必须带等号,比如 <=, >=, == ,<, >, = 不合法,想要表示小于,例如 x + y < 5 这样的严格不等式约束,可以引入一个很小的值  epsilon,辅助实现严格不等式

2. 上面说的第 7 点中,要求x, y 和 z 都是二元变量,即在添加进模型的时候就设计为GRB.BINARY

3. 上面说的第 9 点中,(x == 1) >> (y + z <= 5) 表达的是,如果 x 为1,则 y + z 必须小于等于5,即 x 这个二元变量控制了后面的不等式约束是否存在

addConstr

Python定义:addConstr(constr, name='')

这个方法的第一个参数就是需要传入 TempConstr 类型的对象

addConstrs

Python定义:addConstrs(generator, name='')

        这个方法的第一个参数是 Python 语法中的生成器,也就是说可以传入一个迭代器,通过循环就可以方便的在一行代码中就生成多个约束,下面是这个方法使用的一些例子

m.addConstrs(x.sum(i, '*') <= capacity[i] for i in range(5))
m.addConstrs(x[i] + x[j] <= 1 for i in range(5) for j in range(5))
m.addConstrs(x[i]*x[i] + y[i]*y[i] <= 1 for i in range(5))
m.addConstrs(x.sum(i, '*') == [0, 2] for i in [1, 2, 4])

        约束不可能凭空产生,起码需要先添加变量,关于添加变量的方法,已经在我的另外一篇博客 addVar 和 addVars的使用 中进行了说明

        考虑到读者可能还不是很清楚 Gurobi 中 sum 方法的使用,这已经在我的另外一篇博客tupledict 中的 sum 方法 中进行了说明

        对于第三个添加的约束,实际上是添加了一个二次约束,对于二次约束,在模型的结果上有很多与线性约束不同的地方,这写不同点已经在我的另外一篇博客 带二次约束的模型解构说明中进行了说明

        如何建立起一个约束带有上下界的线性优化模型?这在我的另一篇博客中Electricity Market Optimization 探索系列(一)已经进行了说明,

addQConstr

这个方法有两个版本

版本一:addQConstr(lhs, sense=None, rhs=None, name='')

代码示例:

model.addQConstr(x*x + y*y, GRB.LESS_EQUAL, z*z, "c0")

 版本二:使用 generator 添加约束

代码示例:

model.addQConstr(x*x + y*y <= 2.0, "c1")

addMQConstr

Python 定义:addMQConstr(Q, c, sense, rhs, xQ_L=None, xQ_R=None, xc=None, name='')

实际上这里使用一个矩阵来定义二次约束,(注意可以不是二次型,而是带有交叉项的二次式)

这个二次约束形如 {x}'_{Q_{L}}Qx_{Q_{R}} + c{}'x_{c}    sense    rhs 

其中sense是一个关系运算符,rhs是一个常数 

Q = np.full((2, 3), 1)
xL = model.addMVar(2)
xR = model.addMVar(3)
model.addMQConstr(Q, None, '<', 1.0, xL, xR)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/894502.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

五子棋对弈

问题描述 "在五子棋的对弈中&#xff0c;友谊的小船说翻就翻&#xff1f;" 不&#xff01;对小蓝和小桥来说&#xff0c;五子棋不仅是棋盘上的较量&#xff0c;更是心与心之间的沟通。这两位挚友秉承着"友谊第一&#xff0c;比赛第二"的宗旨&#xff0c;决…

使用 HTTP::Server::Simple 实现轻量级 HTTP 服务器

在Perl中&#xff0c;HTTP::Server::Simple 模块提供了一种轻量级的方式来实现HTTP服务器。该模块简单易用&#xff0c;适合快速开发和测试HTTP服务。本文将详细介绍如何使用 HTTP::Server::Simple 模块创建和配置一个轻量级HTTP服务器。 安装 HTTP::Server::Simple 首先&…

在AI技术深度渗透的背景下,2025年传媒互联网行业的哪些细分场景和产品形态将迎来爆发式增长?

一、AI技术重构传媒互联网行业版图&#xff1a;从底层逻辑到应用场景 近年来&#xff0c;AI技术已从实验室走向商业化落地&#xff0c;而传媒互联网行业因其庞大的用户基数、高频交互场景和丰富的数据积累&#xff0c;成为AI应用的主战场。根据华源证券最新行业周报&#xff0…

Docker Hub 镜像 Pull 失败的解决方案

目录 引言一、问题二、原因三、解决方法四、参考文献 引言 在云原生技术火热的当下&#xff0c;Docker可谓是其基础&#xff0c;由于其简单以及方便性&#xff0c;让开发人员不必再为环境配置问题而伤脑筋&#xff0c;因为可将其看作一个虚拟机程序去理解。所以掌握好它可谓是…

neo4j-community-5.26.0 create new database

1.edit neo4j.conf 把 # The name of the default database initial.dbms.default_databasehonglouneo4j # 写上自己的数据库名称 和 # Name of the service #5.0 server.windows_service_nameneo4j #4.0 dbms.default_databaseneo4j #dbms.default_databaseneo4jwind serve…

unity实现回旋镖函数

最近学习unity2D&#xff0c;想实现一个回旋镖武器&#xff0c;发出后就可以在角色周围回旋。 一、目标 1.不是一次性的&#xff0c;扔出去、返回、没有了&#xff1b;而是扔出去&#xff0c;返回到角色后方相同距离&#xff0c;再次返回&#xff1b;再次返回&#xff0c;永远…

【C++基础】字符串/字符读取函数解析

最近在学C以及STL&#xff0c;打个基础 参考&#xff1a; c中的char[] ,char* ,string三种字符串变量转化的兼容原则 c读取字符串和字符的6种函数 字符串结构 首先明确三种字符串结构的兼容关系&#xff1a;string>char*>char [] string最灵活&#xff0c;内置增删查改…

求一个数的数根(高精度)

上一期我们讲的是求一个数的数根&#xff0c;和本期唯一不同的是&#xff0c;数据范围不同了&#xff0c;上一期这个数是小于等于10的18次方的&#xff0c;这一期是小于等于10的1000次方的&#xff0c;开一个变量&#xff1f;肯定不行&#xff0c;我们需要再开一个数组&#xf…

SpringBoot源码解析(九):Bean定义接口体系

SpringBoot源码系列文章 SpringBoot源码解析(一)&#xff1a;SpringApplication构造方法 SpringBoot源码解析(二)&#xff1a;引导上下文DefaultBootstrapContext SpringBoot源码解析(三)&#xff1a;启动开始阶段 SpringBoot源码解析(四)&#xff1a;解析应用参数args Sp…

Vue 3 30天精进之旅:Day 13 - 路由守卫

在构建单页面应用时&#xff0c;路由守卫是一个非常重要的概念。它允许我们在路由进入或离开时执行一些操作&#xff0c;比如验证用户权限、处理数据加载、执行导航确认等。Vue Router提供了多种类型的路由守卫&#xff0c;使我们能够灵活地控制路由的行为。在今天的学习中&…

【TypeScript】基础:数据类型

文章目录 TypeScript一、简介二、类型声明三、数据类型anyunknownnervervoidobjecttupleenumType一些特殊情况 TypeScript 是JavaScript的超集&#xff0c;代码量比JavaScript复杂、繁多&#xff1b;但是结构更清晰 一、简介 为什么需要TypeScript&#xff1f; JavaScript的…

C++模板编程——可变参函数模板

目录 1. 可变参函数模板基本介绍 2. 参数包展开——通过递归函数 3. 参数包展开——通过编译期间if语句(constexpr if) 4. 重载 5. 后记 进来看的小伙伴们应该对C中的模板有了一定了解&#xff0c;下面给大家介绍一下可变参函数模板。过于基础的概念将不仔细介绍。 1. 可变…

ChatGPT-4o和ChatGPT-4o mini的差异点

在人工智能领域&#xff0c;OpenAI再次引领创新潮流&#xff0c;近日正式发布了其最新模型——ChatGPT-4o及其经济实惠的小型版本ChatGPT-4o Mini。这两款模型虽同属于ChatGPT系列&#xff0c;但在性能、应用场景及成本上展现出显著的差异。本文将通过图文并茂的方式&#xff0…

三数之和(15)

15. 三数之和 - 力扣&#xff08;LeetCode&#xff09; 可以一起总结的题目&#xff1a;三角形的最大周长&#xff08;976&#xff09;-CSDN博客 解法&#xff1a; class Solution { public:vector<vector<int>> threeSum(vector<int>& nums) {vector…

2025最新源支付V7全套开源版+Mac云端+五合一云端

2025最新源支付V7全套开源版Mac云端五合一云端 官方1999元&#xff0c; 最新非网上那种功能不全带BUG开源版&#xff0c;可以自己增加授权或二开 拥有卓越的性能和丰富的功能。它采用全新轻量化的界面UI&#xff0c;让您能更方便快捷地解决知识付费和运营赞助的难题 它基于…

9 点结构模块(point.rs)

一、point.rs源码 use super::UnknownUnit; use crate::approxeq::ApproxEq; use crate::approxord::{max, min}; use crate::length::Length; use crate::num::*; use crate::scale::Scale; use crate::size::{Size2D, Size3D}; use crate::vector::{vec2, vec3, Vector2D, V…

数据分析系列--[12] RapidMiner辨别分析(含数据集)

一、数据准备 二、导入数据 三、数据预处理 四、建模辨别分析 五、导入测试集进行辨别分析 一、数据准备 点击下载数据集 二、导入数据 三、数据预处理 四、建模辨别分析 五、导入测试集进行辨别分析 Ending, congratulations, youre done.

Day33【AI思考】-函数求导过程 的优质工具和网站

文章目录 **函数求导过程** 的优质工具和网站**一、动态图形工具**1. **Desmos&#xff08;网页端&#xff09;**2. **GeoGebra&#xff08;全平台&#xff09;** **二、分步推导工具**3. **Wolfram Alpha&#xff08;网页/App&#xff09;**4. **Symbolab&#xff08;网页/App…

个人笔记(很没营养,纯备忘录)

1.输入电阻和输出电阻指在一个可划分为3部分的电路中&#xff0c;中间部分电路相当于前面电路的负载有输入端电阻&#xff0c;称输入电阻&#xff0c;相对于后面部分等效为电源有输出端内阻&#xff0c;称输出电阻 理所当然的希望输出电阻对负载影响小&#xff0c;输入电阻能完…

当卷积神经网络遇上AI编译器:TVM自动调优深度解析

从铜线到指令&#xff1a;硬件如何"消化"卷积 在深度学习的世界里&#xff0c;卷积层就像人体中的毛细血管——数量庞大且至关重要。但鲜有人知&#xff0c;一个简单的3x3卷积在CPU上的执行路径&#xff0c;堪比北京地铁线路图般复杂。 卷积的数学本质 对于输入张…